Numpy数组调用tolist()出现浮点数精度异常的原因及解决办法

• 该问题本质是二进制浮点数的固有精度限制，和Numpy、Python本身的实现逻辑无关：十进制的0.1无法用有限长度的二进制浮点数精确表示，类似十进制无法精确表达1/3，存储时只能舍入到最接近的双精度浮点数，因此3*0.1的实际存储值和精确十进制0.3存在微小误差。
• Numpy直接打印数组时默认对输出做了显示截断，仅展示有限位小数，因此看不到底层误差；转成Python原生列表后，Python的float类型打印逻辑会输出完整有效位，因此底层的精度误差会直接暴露，并非是tolist()方法引入了新的误差，数组底层存储的数值本身就存在该误差。

• 仅需输出结果符合预期，无需高精度计算：可以对转换后的数值做指定精度的舍入，示例代码如下：

# 方法1：先对numpy数组做精度舍入再转列表
res = np.round(a, 1).tolist()

# 方法2：转换为列表后逐元素舍入
res = [round(x, 1) for x in a.tolist()]

• 需要精确存储十进制小数，避免浮点误差：可以采用十进制高精度类型存储数值，示例代码如下：

from decimal import Decimal
# 初始化时使用Decimal类型做计算，精度无损失
a = np.array([3,5,7,9], dtype=object) * Decimal('0.1')
res = a.tolist()

也可以选择放大数值为整数存储，使用时再做缩放，例如需要保留1位小数时，全量乘以10存储为整数，完全避免浮点数计算。

• 仅需调整Numpy打印显示效果，不需要转列表：可以修改Numpy打印参数，调整显示的小数位数即可：

np.set_printoptions(precision=1)

内容的提问来源于stack exchange，提问作者Maximilian